子赛题二、GPU 开源生态挑战赛

📌 挑战方向

模型迁移

• 单 Transformers 模型迁移到 vLLM / SGLang（可运行并优化）
• 参考LMDeploy开源适配模型实现，实现未支持的多型在国产算力上运行
• 其它有价值的迁移，以最终提交审核为准

论文复现

• AI4S 领域前沿论文复现与性能加速

生态破局

• 将 CUDA AI 开源软件迁移至国产开源MACA软件栈

生态繁荣

• Jax 模型迁移至 PyTorch生态
• 参与MinerU开源社区上游贡献支持MACA软件栈，例如：https://www.gitlink.org.cn/ccf-ai-infra/GPUApps/issues/1
• 参与InfiniCore开源项目的上游贡献支持MACA软件栈，例如：https://github.com/InfiniTensor/InfiniCore, 参考的算子迁移案例见主仓库的其他算子迁移到MACA的方式以及：https://github.com/wawahejun/InfiniCore-Intern 里面的迁移案例, 项目文档与概况详见：DEV.md
• 参与github.com/MetaX-MACA组织的开源项目上游贡献，例如：https://github.com/MetaX-MACA/vLLM-metax/issues/7

其它可参考项目列表

• FlashMLA

其它方向

▶ 项目价值：推动国产 AI 基础设施自主化的有价值的领域。

📤 提交要求及评分标准

参赛资格

• 提交的代码可在MACA软件栈+曦云C500上运行的内容。

提交内容（赛题Iusse附上对应PR的link，注意提交邮箱必须一致）

• 代码
• 部署脚本
• 环境配置
• 在线复现环境
• 文档

文档要求

• 验收测试用例
• 使用手册

评分标准

• 能成功复现运行：60 分
• 输出正确结果（参考 CUDA 平台）：61~100 分

加分项

• 提供性能优化，且提供可复现的对比测试报告：+0~50 分

🏆 排名机制

• 评委评分从高到低排序
• 若分数相同：
  • 性能提升高者优先
  • 内容完整性高者优先